在Unix/Linux下,可以使用fork()
調用實現多進程。
要實現跨平台的多進程,可以使用multiprocessing
模塊。
進程間通信是通過Queue
、Pipes
等實現的。
要讓Python程序實現多進程(multiprocessing),我們先了解操作系統的相關知識。
Unix/Linux操作系統提供了一個fork()
系統調用,它非常特殊。普通的函數調用,調用一次,返回一次,但是fork()
調用一次,返回兩次,因為操作系統自動把當前進程(稱為父進程)復制了一份(稱為子進程),然後,分別在父進程和子進程內返回。
子進程永遠返回0
,而父進程返回子進程的ID。這樣做的理由是,一個父進程可以fork出很多子進程,所以,父進程要記下每個子進程的ID,而子進程只需要調用getppid()
就可以拿到父進程的ID。
Python的os
模塊封裝了常見的系統調用,其中就包括fork
,可以在Python程序中輕松創建子進程:
# multiprocessing.py import os print 'Process (%s) start...' % os.getpid() pid = os.fork() if pid==0: print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid()) else: print 'I (%s) just created a child process (%s).' % (os.getpid(), pid)
運行結果如下:
Process (876) start... I (876) just created a child process (877). I am child process (877) and my parent is 876.
由於Windows沒有fork
調用,上面的代碼在Windows上無法運行。由於Mac系統是基於BSD(Unix的一種)內核,所以,在Mac下運行是沒有問題的,推薦大家用Mac學Python!
有了fork
調用,一個進程在接到新任務時就可以復制出一個子進程來處理新任務,常見的Apache服務器就是由父進程監聽端口,每當有新的http請求時,就fork出子進程來處理新的http請求。
如果你打算編寫多進程的服務程序,Unix/Linux無疑是正確的選擇。由於Windows沒有fork
調用,難道在Windows上無法用Python編寫多進程的程序?
由於Python是跨平台的,自然也應該提供一個跨平台的多進程支持。multiprocessing
模塊就是跨平台版本的多進程模塊。
multiprocessing
模塊提供了一個Process
類來代表一個進程對象,下面的例子演示了啟動一個子進程並等待其結束:
from multiprocessing import Process import os # 子進程要執行的代碼 def run_proc(name): print 'Run child process %s (%s)...' % (name, os.getpid()) if __name__=='__main__': print 'Parent process %s.' % os.getpid() p = Process(target=run_proc, args=('test',)) print 'Process will start.' p.start() p.join() print 'Process end.'
執行結果如下:
Parent process 928. Process will start. Run child process test (929)... Process end.
創建子進程時,只需要傳入一個執行函數和函數的參數,創建一個Process
實例,用start()
方法啟動,這樣創建進程比fork()
還要簡單。
join()
方法可以等待子進程結束後再繼續往下運行,通常用於進程間的同步。
如果要啟動大量的子進程,可以用進程池的方式批量創建子進程:
from multiprocessing import Pool import os, time, random def long_time_task(name): print 'Run task %s (%s)...' % (name, os.getpid()) start = time.time() time.sleep(random.random() * 3) end = time.time() print 'Task %s runs %0.2f seconds.' % (name, (end - start)) if __name__=='__main__': print 'Parent process %s.' % os.getpid() p = Pool() for i in range(5): p.apply_async(long_time_task, args=(i,)) print 'Waiting for all subprocesses done...' p.close() p.join() print 'All subprocesses done.'
執行結果如下:
Parent process 669. Waiting for all subprocesses done... Run task 0 (671)... Run task 1 (672)... Run task 2 (673)... Run task 3 (674)... Task 2 runs 0.14 seconds. Run task 4 (673)... Task 1 runs 0.27 seconds. Task 3 runs 0.86 seconds. Task 0 runs 1.41 seconds. Task 4 runs 1.91 seconds. All subprocesses done.
代碼解讀:
對Pool
對象調用join()
方法會等待所有子進程執行完畢,調用join()
之前必須先調用close()
,調用close()
之後就不能繼續添加新的Process
了。
請注意輸出的結果,task 0
,1
,2
,3
是立刻執行的,而task 4
要等待前面某個task完成後才執行,這是因為Pool
的默認大小在我的電腦上是4,因此,最多同時執行4個進程。這是Pool
有意設計的限制,並不是操作系統的限制。如果改成:
p = Pool(5)
就可以同時跑5個進程。
由於Pool
的默認大小是CPU的核數,如果你不幸擁有8核CPU,你要提交至少9個子進程才能看到上面的等待效果。
Process
之間肯定是需要通信的,操作系統提供了很多機制來實現進程間的通信。Python的multiprocessing
模塊包裝了底層的機制,提供了Queue
、Pipes
等多種方式來交換數據。
我們以Queue
為例,在父進程中創建兩個子進程,一個往Queue
裡寫數據,一個從Queue
裡讀數據:
from multiprocessing import Process, Queue import os, time, random # 寫數據進程執行的代碼: def write(q): for value in ['A', 'B', 'C']: print 'Put %s to queue...' % value q.put(value) time.sleep(random.random()) # 讀數據進程執行的代碼: def read(q): while True: value = q.get(True) print 'Get %s from queue.' % value if __name__=='__main__': # 父進程創建Queue,並傳給各個子進程: q = Queue() pw = Process(target=write, args=(q,)) pr = Process(target=read, args=(q,)) # 啟動子進程pw,寫入: pw.start() # 啟動子進程pr,讀取: pr.start() # 等待pw結束: pw.join() # pr進程裡是死循環,無法等待其結束,只能強行終止: pr.terminate()
運行結果如下:
Put A to queue... Get A from queue. Put B to queue... Get B from queue. Put C to queue... Get C from queue.
在Unix/Linux下,multiprocessing
模塊封裝了fork()
調用,使我們不需要關注fork()
的細節。由於Windows沒有fork
調用,因此,multiprocessing
需要“模擬”出fork
的效果,父進程所有Python對象都必須通過pickle序列化再傳到子進程去,所有,如果multiprocessing
在Windows下調用失敗了,要先考慮是不是pickle失敗了。